Human-Agent Teams: Kultur aufbauen, wenn KI neben Menschen arbeitet

Von Victor Hoang · Aktualisiert am 26. August 2026

Ein Human-Agent Team ist eine Arbeitseinheit aus Menschen und KI-Agenten, die echte Aufgaben teilen, wobei der Agent nicht nur Fragen beantwortet oder Vorschläge entwirft, sondern einen Teil der Arbeit tatsächlich plant und ausführt und dann ein Ergebnis zurückgibt, das ein Mensch bewertet, statt es von Grund auf selbst zu erstellen. Genau dieser eine Wandel, vom Werkzeug, das Sie bedienen, zum Teamkollegen, dessen Ergebnisse Sie beaufsichtigen, macht die Kulturfragen in diesem Artikel wirklich neu.

Die meisten Unternehmen wissen bereits, wie man Richtlinien für Software schreibt. Weniger wissen, wie man Kultur für einen Teamkollegen gestaltet, der nie schläft und keine Erfolgsbilanz hat, auf die sich Vertrauen aufbauen ließe, wie das bei einem neuen Mitarbeiter der Fall ist. Dieser Artikel behandelt, was ein Team tatsächlich zum „Human-Agent“ Team macht statt nur zu einem KI-unterstützten, die Kulturfragen, die daraus folgen, den Wandel vom Erledigen der Arbeit zu ihrer Orchestrierung, die Normen, die das Zusammenspiel tragen, und die ehrlichen Grenzen dessen, wie weit all das bisher tatsächlich gekommen ist.

Was ein Team zum „Human-Agent“ Team macht und nicht nur zu einem „KI-unterstützten“

Viele Teams nutzen KI, ohne in irgendeinem sinnvollen Sinn ein Human-Agent Team zu sein. Wer einen Chatbot bittet, eine E-Mail umzuformulieren, ein Dokument zusammenzufassen oder drei Überschriften zu entwerfen, nutzt ein Werkzeug, aus derselben Kategorie wie eine Tabellenkalkulation oder eine Suchmaschine. Die Person erledigt die Arbeit weiterhin; die Software beschleunigt nur einen Schritt.

Ein Human-Agent Team überschreitet eine andere Grenze. Ein KI-Agent bekommt ein Ziel, nicht eine einzelne Anweisung, plant eine Abfolge von Schritten, zieht Daten aus echten Systemen, trifft unterwegs begrenzte Entscheidungen und eskaliert nur, wenn etwas außerhalb dessen liegt, was er allein entscheiden darf. Das ist die Definition von agentic AI: Software, die eine Situation wahrnimmt, darüber nachdenkt und handelt, statt auf den nächsten Prompt zu warten. Sobald ein Agent das innerhalb eines Workflows tut, an dem auch Menschen beteiligt sind (eine Person, die das Ziel setzt, das Ergebnis prüft oder dort weitermacht, wo der Agent aufgehört hat), haben Sie ein Human-Agent Team, ob es im Organigramm schon so genannt wird oder nicht.

Der praktische Test ist einfach: Wenn Sie die KI morgen aus dem Workflow entfernten, würde eine Person eine erledigte Aufgabe übernehmen oder eine leere? Werkzeuggestützte Arbeit hinterlässt eine leere Aufgabe, die Person hätte sie ohnehin erledigt. Die Arbeit eines Human-Agent Teams hinterlässt eine erledigte Aufgabe ohne zuständige Person, und genau in diese Lage geraten immer mehr Führungskräfte unbemerkt und ohne Plan.

Wie sich das vom Einsatz von KI als Werkzeug unterscheidet: Agenten handeln, Werkzeuge warten

Die Unterscheidung ist wichtig, weil sie verändert, was Kultur regeln muss. Ein Werkzeug wartet auf Eingaben und tut genau, was man ihm sagt; niemand hat je eine Vertrauensrichtlinie für einen Taschenrechner gebraucht. Ein Agent handelt innerhalb von Grenzen, die eine Person zuvor gesetzt hat und bei deren Anwendung sie nicht mehr im Raum ist, was bedeutet, dass die Grenzen stimmen müssen, bevor die Arbeit beginnt, und nicht im Moment korrigiert werden können, wie man einen Kollegen mitten im Gespräch bei einem Fehler abfängt.

Diese Lücke zwischen „die Grenze setzen“ und „die Arbeit geschieht“ ist der Ort, an dem der Großteil des neuen kulturellen Gewichts liegt. Tool Use innerhalb eines KI-Systems, ein Agent, der eine CRM-API aufruft oder einen Datensatz aktualisiert, ist das, was ihm erlaubt, auf echte Geschäftssysteme einzuwirken, statt nur zu beschreiben, was als Nächstes geschehen sollte. Der Work Trend Index 2026 von Microsoft ergab, dass aktive Agenten in Microsoft 365 im Jahresvergleich um das 15-Fache gewachsen sind, in großen Unternehmen um das 18-Fache, eine Kurve, die so steil ist, dass „die Kultur klären wir später“ kein tragfähiger Plan mehr ist. Die Mischung dessen, wer was tut, Mensch oder Agent, ist für eine beachtliche Zahl von Teams bereits das aktuelle Organigramm, ob die Führung es benannt hat oder nicht.

Wichtige Fakten

• Aktive KI-Agenten in Microsoft 365 sind im Jahresvergleich um das 15-Fache gewachsen, in großen Unternehmen um das 18-Fache, ein Beleg dafür, dass Human-Agent Teams schnell vom Pilotbetrieb in den Produktionsmaßstab gewechselt sind. Quelle: Microsoft Work Trend Index 2026
• 86 % der Beschäftigten sagen, sie behandeln KI-Ergebnisse als Ausgangspunkt und nicht als endgültige Antwort und blieben für das Denken dahinter verantwortlich, das Nächstliegende an einer funktionierenden „Vertrauen, aber prüfen“-Norm, das die Daten heute zeigen. Quelle: Microsoft Work Trend Index 2026
• 50 % der Beschäftigten nennen die Qualitätskontrolle von KI-Ergebnissen als die wichtigste menschliche Fähigkeit, wenn Agenten mehr Ausführung übernehmen, noch vor der reinen Produktionsgeschwindigkeit. Quelle: Microsoft Work Trend Index 2026
• Fast ein Drittel der Führungskräfte in den USA, Kanada und der EU sieht KI bereits als Teamkollegen oder Mitarbeitenden, und mehr als 20 % führen KI-Agenten direkt in ihren Organigrammen auf, laut Forschung der Boston Consulting Group unter Leitung von Matthew Kropp. Quelle: Fortune, berichtet über BCG-Forschung
• In derselben BCG-Forschung hing die Darstellung von KI als „Mitarbeitende“ statt als Werkzeug mit 7 Punkten mehr Sorge zusammen, dass KI die Rollen der Menschen ersetzen würde, und mit 10 Punkten weniger Vertrauen in den tatsächlichen Einsatz der KI, ein Beleg dafür, dass die Bezeichnung, die ein Unternehmen für seine Agenten verwendet, prägt, wie sich Menschen beim Arbeiten neben ihnen fühlen. Quelle: Fortune, berichtet über BCG-Forschung
• 43 % der Beschäftigten sagen, sie vertrauten dem Ergebnis eines Kollegen weniger, sobald sie wissen, dass KI an dessen Erstellung beteiligt war, gegenüber nur 20 %, die ihm mehr vertrauen, laut einer Umfrage von 2026 unter mehr als 2.000 berufstätigen Amerikanern. Quelle: Founder Reports, AI in the Workplace Statistics 2026
• Deloittes Global Human Capital Trends 2026 ergaben, dass 60 % der Führungskräfte bereits KI bei Entscheidungen einsetzen, aber nur 5 % sagen, dass sie das gut steuern, die Lücke, die sich in Human-Agent Teams konkret als Kulturschulden zeigt. Quelle: Deloitte 2026 Global Human Capital Trends
• Gartner prognostiziert, dass mehr als 40 % der Projekte mit agentic AI bis Ende 2027 eingestellt werden, und nennt steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen, eine Erinnerung daran, dass nicht jede Behauptung über ein „Human-Agent Team“ den Kontakt mit der Produktion überlebt. Quelle: Gartner

Die neuen Kulturfragen, die Human-Agent Teams aufwerfen

Sobald ein Agent innerhalb eines Workflows handelt, statt nur bei einem zu assistieren, tauchen fünf Fragen auf, die sich die meisten Teams noch nie stellen mussten und die die meisten Richtlinien nicht abdecken.

Wem gehört das Ergebnis?

Die Frage nach der Urheberschaft hatte früher eine offensichtliche Antwort: Wer das Dokument schrieb, das Modell baute oder das Angebot entwarf, dem gehörte es. Wenn ein Agent die ersten 80 % eines Angebots erstellt und eine Person die letzten 20 % bearbeitet, wird „wem gehört das“ tatsächlich mehrdeutig, und die meisten Anerkennungssysteme gehen immer noch davon aus, dass ein Mensch alles getan hat. Teams, die so tun als ob, indem sie der Person die Anerkennung zusprechen, als hätte der Agent nichts beigetragen, oder agentengestützte Arbeit als weniger legitim behandeln, enden beide mit Groll auf der einen oder der anderen Seite.

Wer ist verantwortlich, wenn der Agent es falsch macht?

Wenn ein Agent einem Kunden die falsche Zahl schickt oder eine mehrstufige Aufgabe unbemerkt vom Kurs abkommt, gibt es für die Rechenschaft noch keinen etablierten Standard. Ist es die Person, die das Briefing geschrieben hat, die, die das Ergebnis freigegeben hat, oder der, der den Workflow konfiguriert hat? Unternehmen ohne ausdrückliche Antwort bekommen eines von zwei schlechten Mustern: gegenseitige Schuldzuweisung im Nachhinein oder niemand prüft genau, weil alle annehmen, jemand anderes habe es schon getan. Diese Lücke soll das Design von Human-in-the-Loop schließen, indem es im Voraus festlegt, welche Schritte die Freigabe einer Person erfordern, bevor das Ergebnis des Agenten zum Ergebnis des Teams wird.

Wann vertrauen Sie dem Ergebnis, und wann prüfen Sie es?

Vertrauen zu einem Kollegen wächst langsam, indem man über Monate beobachtet, wie er mit Druck umgeht und zu seinen Fehlern steht. Ein Agent hat keine solche Geschichte; er hat eine Erfolgsbilanz, gemessen in erledigten Aufgaben, und einen Konfidenzwert, den die meisten Menschen nie zu Gesicht bekommen. Teams ohne eine kalibrierte Antwort schwanken zwischen zwei Fehlformen: zu viel Vertrauen, bei dem ein ungeprüftes Ergebnis eines Agenten unter jemandes Namen hinausgeht und sich als falsch erweist, oder zu wenig Vertrauen, bei dem eine Führungskraft heimlich jede Agentenaufgabe von Hand wiederholt und den Produktivitätsgewinn zunichtemacht, den der Agent liefern sollte. Die 86 % der Beschäftigten, die sagen, sie behandeln KI-Ergebnisse als Ausgangspunkt und nicht als endgültige Antwort, praktizieren faktisch bereits den mittleren Weg: das Ergebnis nutzen, aber das Urteil in menschlicher Hand behalten.

Was passiert mit Status und beruflicher Identität?

Jemand, dessen Ruf darauf beruhte, der schnellste Texter, der schnellste Analyst oder der schnellste Entwickler im Team zu sein, kann beobachten, wie dieser Vorsprung fast über Nacht verschwindet, sobald ein Agent die Geschwindigkeit erreicht. Was bleibt, Urteilsvermögen, Geschmack und die Fähigkeit, zu erkennen, was ein Agent übersehen hat, ist tatsächlich wertvoll, fühlt sich aber nicht wie dieselbe Art von Wert an, und Menschen bemerken den Unterschied, auch wenn niemand ihn ausspricht. Führungskräfte, die diesen Wandel nicht direkt benennen, überlassen es den Mitarbeitenden, den Schluss zu ziehen, sie seien stillschweigend ersetzt statt neu positioniert worden.

Welche Fähigkeiten zählen jetzt wirklich?

Die Hälfte der Beschäftigten in Microsofts Forschung von 2026 nennt die Qualitätskontrolle von KI-Ergebnissen inzwischen als wichtigste Fähigkeit, noch vor der reinen Produktionsgeschwindigkeit, eine echte Veränderung, die die meisten Leistungssysteme noch nicht nachvollzogen haben. Kritisch prüfen, einen plausibel klingenden Fehler erkennen und wissen, wann eine Aufgabe ein menschliches Urteil statt der besten Vermutung eines Agenten braucht, werden zu den Unterscheidungsmerkmalen, und nur sehr wenige Unternehmen haben Einstellung, Training oder Beförderungskriterien daran angepasst.

Vom Ausführenden zum Orchestrator: Der Wandel, auf den niemand vorbereitet wurde

Die klarste Art, zu beschreiben, was sich ändert, ist ein Rollenwandel, nicht nur ein Wandel der Werkzeuge: vom Ausführenden, jemandem, der die Arbeit selbst erstellt, zum Orchestrator, jemandem, der ein System entwirft, seine Grenzen setzt und prüft, was am Ende herauskommt. Microsofts Forschung benennt das als ein Ende eines Spektrums von Mustern der Zusammenarbeit zwischen Mensch und Agent, das von Author (die Arbeit selbst erledigen, mit KI-Hilfe bei einzelnen Teilen) über Editor und Director bis zum Orchestrator reicht, jemandem, der mehrere Agenten parallel betreibt und vor allem bei Ausnahmen eingreift. Das vollständige Set an Mustern und wie es Führungsrollen umgestaltet, behandeln wir in die Frontier Firm und der Aufstieg des Agent Boss.

Für die Kultur ist vor allem wichtig, dass Orchestrierung eine grundlegend andere Art von Verantwortung ist als Ausführen, näher daran, dass eine Führungskraft für das Ergebnis eines Teams einsteht, als daran, dass ein Einzelner seine eigene Arbeit prüft, und dass fast niemand gezielt darauf vorbereitet wurde. Ein Senior Analyst, der ein Jahrzehnt damit verbracht hat, besser im Bauen von Modellen zu werden, soll in manchen Workflows nun besser darin werden, Modelle zu prüfen, die ein Agent gebaut hat, eine eigene Fähigkeit, die nicht automatisch mit dem Dienstalter kommt. Unternehmen, die das als Titeländerung statt als zu entwickelnde Fähigkeit behandeln, enden am ehesten entweder mit achtlosem Durchwinken oder mit demselben Übermaß an Kontrolle, das den Geschwindigkeitsvorteil des Agenten zunichtemacht.

Die Normen, die Human-Agent Teams funktionieren lassen

Die Teams, die damit gut umgehen, teilen einen kleinen Satz ausdrücklicher Normen statt eines vagen Bekenntnisses zur „verantwortungsvollen Nutzung von KI“. Vier tauchen immer wieder auf.

Offenlegung: Sagen Sie, wenn ein Agent beteiligt war

Das Vertrauen sinkt, wenn Menschen im Nachhinein erfahren, dass KI beteiligt war, und niemand es vorher gesagt hat. Die Umfrage von Founder Reports ergab, dass 43 % der Beschäftigten dem Ergebnis eines Kollegen weniger vertrauen, sobald sie erfahren, dass KI beteiligt war, gegenüber nur 20 %, die ihm mehr vertrauen, und diese Lücke wird größer, nicht kleiner, wenn die Offenlegung wirkt, als hätte sie erst erzwungen werden müssen, statt freiwillig zu erfolgen. Eine einfache, konsequente Norm, zu sagen, wann ein Agent beigetragen hat und wie viel, tut mehr für das Vertrauen als der Versuch, die Beteiligung des Agenten unsichtbar zu machen.

Prüfung: Bauen Sie die Kontrolle in den Workflow ein, nicht um ihn herum

„Das sollte jemand gegenlesen“ ist kein Prüfprozess, sondern ein Hoffen. Teams, die Agentenfehler tatsächlich abfangen, bevor sie ausgeliefert werden, bauen die Kontrolle in den Workflow selbst ein, ein verpflichtender Freigabeschritt, ein zweiter Durchgang bei allem oberhalb einer bestimmten Risikoschwelle, statt darauf zu vertrauen, dass es informell geschieht, weil alle wissen, dass sie sorgfältig sein sollen. Die BCG-Forschung zur Darstellung von KI als „Mitarbeitende“ ergab, dass Menschen weniger Fehler fanden, nicht mehr, sobald das Ergebnis eines Agenten vorab als von einem vertrauenswürdigen Teamkollegen statt von einem Werkzeug stammend gekennzeichnet war, was dafür spricht, die Prüfung strukturell zu verankern, statt sich darauf zu verlassen, wie viel Aufmerksamkeit die Bezeichnung zufällig auslöst.

Human-in-the-Loop von Anfang an, nicht aus Versehen

Human-in-the-Loop-Design bedeutet, im Voraus zu entscheiden, welche Entscheidungen ein Agent allein treffen darf und welche immer an eine Person gehen, bevor der Workflow startet, nicht erst, nachdem etwas schiefgelaufen ist. Vage Hinweise wie „Nutzen Sie Ihr Urteilsvermögen, wann Sie prüfen“ legen die gesamte Last im Moment auf den Einzelnen, genau dann, wenn Urteilsvermögen am schwersten konsequent anzuwenden ist. Die konkreten Auslöser zu benennen, Betragsgrenzen, Kommunikation mit Kunden, alles, was eine rechtliche oder Compliance-Grenze berührt, macht aus einer Charaktereigenschaft eine Systemeigenschaft, die einen Personalwechsel übersteht.

Psychologische Sicherheit für eine neue Art von Zweifel

Psychologische Sicherheit am Arbeitsplatz war schon der klarste Prädiktor für leistungsstarke Teams, bevor Agenten hinzukamen. Agenten erhöhen den Einsatz, statt ihn zu senken, denn Menschen müssen sich nun sicher fühlen, Dinge zu sagen, die sie nie sagen mussten: „Ich vertraue dem nicht, was der Agent hier erzeugt hat“ oder „Ich habe das freigegeben, ohne ganz zu verstehen, wie es entstanden ist.“ Teams ohne diese Sicherheit hören nicht auf, solche Momente zu haben, sie hören nur auf, sie zu melden, was einen ehrlichen Zweifel stillschweigend in ein verborgenes Risiko verwandelt.

Ehrliche Skepsis: Agent Washing und die Zuverlässigkeitslücke

Nicht alles, was als „Human-Agent Team“ vermarktet wird, ist eines. Agent Washing, das Umetikettieren eines Chatbots oder einer skriptgesteuerten Automatisierung als „KI-Agent“ ohne die zugrunde liegende Autonomie, bedeutet, dass ein beachtlicher Teil der Werkzeuge mit enttäuschenden Ergebnissen nie so geplant und gehandelt hat, wie es ein echter Agent tut. Ein Team, das von einem unzuverlässigen „Agenten“ frustriert ist, der in Wahrheit nur ein umetikettiertes Skript ist, läuft Gefahr, die falsche Lehre zu ziehen, nämlich dass die Zusammenarbeit zwischen Mensch und Agent nicht funktioniert, obwohl das eigentliche Problem darin besteht, dass das Werkzeug nie einer war.

Auch dort, wo die Technologie wirklich agentisch ist, verdient die Zuverlässigkeitslücke eine ehrliche Benennung. Gartners Prognose, dass mehr als 40 % der Projekte mit agentic AI bis Ende 2027 eingestellt werden, verweist auf steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen, nicht allein auf die Modellqualität. Und der BCG-Befund, dass die Darstellung von KI als „Mitarbeitende“ das Vertrauen messbar senkte und die Sorge vor Ersetzung erhöhte, ist eine Warnung davor, die „Teamkollegen“-Sprache zu überverkaufen, bevor die Prüfdisziplin und die Normen zur Verantwortung existieren, um sie zu stützen. Etwas einen Teamkollegen zu nennen, macht die Kulturfragen nicht leichter; wenn überhaupt, hebt es die Messlatte dafür, wie sorgfältig ein Unternehmen sie beantworten muss.

Wie es weitergeht

Dieser Artikel gehört zu unserem breiteren Blick darauf, wie KI die Organisationskultur verändert. Weiter geht es hier:

• Was ist eine AI-native Kultur?, für das Grundkonzept, in dem Human-Agent Teams verankert sind
• Die Frontier Firm und der Aufstieg des Agent Boss, für das vollständige Set an Mustern der Zusammenarbeit zwischen Mensch und Agent und die Führungsrolle, die daraus entsteht
• KI-bedingte Kulturschulden, dazu, was geschieht, wenn die Normen eines Unternehmens mit der Geschwindigkeit seiner Einführung von Agenten nicht Schritt halten
• Psychologische Sicherheit am Arbeitsplatz, für die tieferen Mechanismen der Sicherheit, auf die Human-Agent Teams nun angewiesen sind

Die meisten Teams werden ihre Normen für Human-Agent Teams auf die harte Tour entdecken, im Meeting nach dem Fehler eines Agenten, der einen Kunden erreicht hat. Es läuft besser, wenn die schwierigeren Fragen zuerst geklärt sind: wem das Ergebnis gehört, wer dafür einsteht, wenn es falsch ist, und wie viel Vertrauen sich der Agent tatsächlich verdient hat. Das sind alte Führungsfragen in neuem Gewand, und sie werden nicht leichter, wenn man darauf wartet, dass der Vorfall sie an Ihrer Stelle stellt.